基于CNN-SVM数据预测模型（python） 卷积支持向量机数据预测模型，CNN-SVM数据预测模型（python） 卷积支持向量机数据预测模型，CNN-SVM数据预测模型（python）

MATLAB实现CNN-SVM卷积支持向量机多特征分类预测（完整源码和数据） 数据为多特征分类数据，输入12个特征，分四类,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。 运行环境MATLAB2018b及以上。

风电机组轴承处于早期故障阶段时，特征信号往往比较微弱，并且受环境噪声及信号衰减的影响严重，因此轴承早期故障特征一直难以提取。经验模态分解(EMD)在轴承的故障特征提取中已经得到了广泛的应用，但其在强背景噪声干扰下对轴承早期故障特征的提取具有一定的局限性。针对这一问题，考虑到最大相关峭度解卷积(MCKD)算法可凸显出轴承振动信号中被噪声所掩盖的故障冲击脉冲，非常适用于轴承早期故障信号的降噪处理，因此将MCKD与EMD相结合用于轴承早期故障诊断。用MCKD对强噪声轴承信号进行降噪，然后对降噪后的信号进行EMD，选取敏感本征模态函数(IMF)并计算其包络谱，通过分析包络谱中幅值凸出的频率成分判断故障类型。仿真和试验分析结果验证了所提方法的有效性和准确性。

卷积神经网络基础概念理解： 1.图片知识：通道、位深 2.卷积、卷积核、感受野、梯度、激活函数 3.图片通道提取、图片卷积计算

（2,1,7）归零卷积码的维特比译码算法的matlab实现

Classification of Hyperspectral Images by Gabor Filtering Based Deep Network代码minFunc matlab和drtoolbox。minFunc matlab和 drtoolbox 分别为www.di.ens.fr/~mschmidt/Software/minFunc.html

MATLAB实现CNN-LSTM神经网络多输入回归预测（完整源码和数据） CNN-LSTM神经网络，卷积长短期记忆神经网络多输入回归预测 数据为多输入回归数据，输入12个特征，输出1个变量。 运行环境MATLAB2020b及以上。

ConvNeXt + ParC Net论文梳理||组会汇报PPT，其中ConvNeXt部分参考了博主https://blog.csdn.net/qq_37541097的结构。欢迎指正交流

卷积神经网络的字体分类 该项目的想法是创建一个神经网络，以检测一种字体中的多种样式（多标签分类问题）。 我要检测的样式是“海报”，“漫画”，“复古”，“ Techno”，“未来派”等。 问题 如果您是设计师并且拥有很多字体，那么就很难记住计算机上本地所有的字体。 有时，最好根据其样式（如“海报”，“复古”等）来过滤字体。但是字体文件没有这种样式元数据，因此您不能这样做。 平面设计师受苦。 项目结构 . ├── data # Scraped and generated data which is used to train models

猫狗识别